基于改进高斯混合粒子滤波新算法的桥梁极值应力动态预测

将极值应力数据视为时间序列,提出了桥梁结构极值应力的改进高斯混合粒子滤波(IGMPF)动态预测新方法。首先,利用桥梁健康监测极值应力数据建立动态非线性模型,将其作为粒子滤波算法的状态方程和监测方程;然后,引入最大期望(EM)算法来估计目标状态的概率分布,并嵌入高斯混合粒子滤波器中,进而利用改进高斯混合粒子滤波算法,结合应力监测数据实现结构极值应力的动态预测;最后,通过在役桥梁监测数据对本文模型和方法的合理性进行验证。结果表明:本文方法预测精度高,可用于工程实际应用中。     

应用高斯粒子滤波器的桥梁可靠性在线预测

为采用实时监测信息对桥梁结构构件的可靠性进行动态预测分析,应用健康监测系统的长期大量监测数据,建立了基于监测数据的动态模型(监测方程与状态方程),引入混合高斯粒子滤波器(MGPF),基于粒子滤波方法、贝叶斯方法以及动态模型,对监测信息状态变量的后验分布参数和监测值的一步向前预测分布参数进行预测分析.混合高斯粒子滤波方法通过重抽样技术,提高了动态模型的预测精度.基于实时监测信息可以不断修正抽样粒子的权重,进而解决粒子退化问题.最后基于实时预测的分布参数,结合一次二阶矩(FOSM)方法,对桥梁结构构件的可靠性进行在线动态预测分析.     

大跨混凝土桥梁耦合极值应变的混合粒子预测

针对大跨混凝土桥梁耦合极值应变难以实现精准预测的问题,本文采用加权移动平均法和最小二乘法进行解耦。通过将各分段高低频信号分开,进而采用区间选择方法,得到高/低频应变的极值序列;建立高/低频极值应变的包含2个时变状态变量的动态线性模型,结合贝叶斯粒子滤波理论,基于动态监测并解耦的高/低频极值应变,实现对应极值应变的高精度预测,进而将其相加实现耦合极值应变的混合粒子预测。采用广东省肇庆西江大桥的监测应变数据对本文所提方法进行验证,与普通动态线性模型相比,本文建立的模型对耦合极值应变的预测效果较好。     

基于BDNM的桥梁结构可靠度预测

为了结合监测极值应力和应力参数(平均值)的先验模型来对桥梁可靠度进行预测, 认为极值应力随时间变化的动态测量为一个时间序列, 并考虑到贝叶斯动态线性模型(BDLM)的局限性, 引入贝叶斯动态非线性模型(BDNM)对时变极值应力进行预测. 运用BDNM建立了极值应力的状态方程和监测方程, 通过泰勒级数展开技术,将其近似转化为贝叶斯动态线性模型(BDLM), 并通过贝叶斯因子来对应力信息进行监控, 然后结合应力参数的先验信息, 对极值应力的状态参数进行贝叶斯后验概率推断, 建立动态模型对极值应力变化趋势进行预测. 基于监测信息, 考虑到变量估计主观认识的不确定性, 引入折扣因子来确定状态误差方差. 最后利用建立的BDNM和一次二阶矩(FOSM)可靠度方法, 对结构可靠度进行预测, 并通过实例验证了所建模型的合理性和适用性.     

用于网络安全态势预测的SAGPSO-SVM模型研究

网络安全态势预测精度不足,导致主动防御不及时。本文提出一种基于模拟退火与高斯扰动的粒子群算法(SAGPSO)与支持向量机(SVM)结合的预测模型,首先在传统粒子群(PSO)算法基础上引入模拟退火的思想,避免局部极值,对较优个体进行高斯扰动,然后利用该算法的全局收敛性强、收敛速度快和精确度高的特点对SVM参数进行优化,最后运用获取的模型参数进行预测,从而提高预测精度,并将此模型的预测结果与PSO-SVM和SAPSO-SVM预测模型的预测结果进行对比。结果表明,SAGPSO-SVM是一个预测精度高而且能够更加准确的描述网络安全态势变化趋势的预测模型。     

水文模型参数优选的改进粒子群优化算法

针对标准粒子群算法的早熟收敛问题,提出了一个提高算法性能的改进途径,即引入动态改变惯性权重策略和混沌思想,在两个方面同时改进以提高粒子群算法的收敛速度和克服局部极值的能力.对两个函数进行寻优测试表明,改进后的粒子群算法收敛速度、精度以及全局搜索能力均优于标准粒子群算法.最后将提出的改进粒子群算法应用于新安江模型进行参数优选,应用结果表明,该算法具有较强的可行性与实用性.     

改进粒子群优化BP神经网络的目标威胁估计

为了提高目标威胁估计精度,提出一种运用改进粒子群算法优化BP神经网络的方法。为了避免陷入局部极值,将变异过程引入粒子群算法中,并对相关参数进行优化,形成改进粒子群算法,对BP神经网络的初始权值和阈值进行优化。利用样本数量不同的训练集对网络进行训练,并用60组测试集数据对网络进行验证。实验结果表明,改进粒子群优化BP神经网络目标威胁估计算法具有更高的预测精度,在训练样本数量较小时能够获得较好的预测能力,可以有效地完成目标威胁估计。     

基于粒子群算法的配电网网架规划

针对配电网网架规划问题,提出了一种改进的混合粒子群算法,引入与以往的进化粒子群混合算法不同的动态邻域间极值粒子的交叉操作,提高了算法的收敛速度;提出一种“尽量满足辐射状约束”的方法,有效地解决了离散变量的处理和辐射网判断之间的矛盾。算例计算表明,该算法收敛速度快,具有很好的全局搜索能力,是可行且有效的,对于推广PSO在电力系统中的应用具有积极的意义。     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

CIE-Lab空间的彩色图像混合去噪

针对彩色图像中的混合噪声提出一种CIE-Lab颜色空间的混合去噪算法。双边滤波对高斯噪声具有不错的抑制效果,然而其固有不足是不能处理脉冲噪声,文章采取逆向思维方法将这种不足用于彩色图像脉冲噪声的识别,并仅对识别出的脉冲噪声点在CIE-Lab空间采用概率密度极值滤波方法进行滤除,对剩余高斯噪声仍利用双边滤波算法处理。文中算法采用双边滤波这种非线性滤波算法处理高斯噪声同时仅对识别出的脉冲噪声点进行概率密度极值滤波,因此该算法具有保留图像边缘特征的特性。最后仿真实验表明,CIE-Lab空间的混合滤波算法能够有效滤除高斯噪声和脉冲噪声,相比其他彩色图像噪声处理方法,该方法更为优越。